Hur utvecklingen av dubbelmodala OA-FL mikroskopisystem förändrar biologisk visualisering

Teknologiska framsteg inom mikroskopi har länge drivit på nya insikter inom biologiska och medicinska områden. En av de mest intressanta framstegen är utvecklingen av dubbelmodala opto-akustiska och fluorescensmikroskopisystem (OA-FL), som ger en exceptionellt bred upplösning och ett tusenfalt ökat volymsampling jämfört med traditionell optisk mikroskopi. Dessa system öppnar nya möjligheter för biologisk visualisering genom att kombinera fördelarna med både optisk och akustisk avbildning, vilket gör det möjligt att undersöka vävnader på ett sätt som inte tidigare varit möjligt.

I sin grundläggande form samlar dessa system både ljus- och ultraljudssignaler från motsatta riktningar, vilket ger ett mer detaljerat och heltäckande porträtt av biologiska prover. Denna metod fungerar särskilt bra för tunna prover som zebrafisklarver eller mössöron. För att övervinna de begränsningar som uppstår med denna design, till exempel vid användning av prover med högre spridning, har det utvecklats en lösning där en miniaturiserad ultraljudstransduktor placeras mellan objektivet och det avbildade objektet för att samla in både ljus och ultraljudssignaler från samma sida. Denna kompakta design möjliggör användning av objektiv med hög numerisk apertur och påverkar inte fluorescens- eller ljusinsamlingsprocesserna.

En annan innovativ design innebär användning av en akustisk-optisk splittringenhet mellan objektivet och provet, vilket tillåter systemet att dela samma tunbara nanosekundspulslaser och objektiv. En sådan konfiguration gör det möjligt att avbilda parametervärden som syrgaskoncentration och syretryck i vävnader, vilket visat sig vara användbart vid exempelvis forskning om hemoglobin och syrenivåer i mössöron under olika fysiologiska förhållanden. I denna setup används akustiska signaler för att skapa kartläggningar av syremättnad (sO2), medan syretryck (pO2) mäts med hjälp av en phosphorescent sond, vilket ger forskare en multiparametrisk bild av vävnadens fysiologi.

Vidare har användningen av transparenta ultraljudstransduktorer (TUT), särskilt de baserade på litiumniobat (LNO)-kristaller, visat sig vara lovande för multimodal avbildning. Dessa transduktorer möjliggör samtidig visualisering av ultraljud, OAM, optisk koherenstomografi (OCT) och fluorescens, genom att de är optiskt genomskinliga och ger hög upplösning även i djupliggande vävnader. I kombination med avancerade laser- och optiska system, har denna teknik använts för att studera både strukturella förändringar och inflammationsprocesser i ögats hornhinna hos råttor, vilket erbjuder nya möjligheter för att följa och behandla ögonsjukdomar och tumörer.

En intressant variant på TUT-tekniken har nyligen utvecklats med hjälp av mikro-ringresonatorer (MRR), som erbjuder hög känslighet för ultraljudsdetektion i ett mycket kompakt format. Dessa resonatorer kan tillverkas direkt på mikroskopets täckglas, vilket gör det möjligt att integrera denna multimodala plattform för cellulär upplösning i ex vivo-prover, såsom musblodsmärjor och retinala pigmentepitelprover. Genom att kombinera optisk och akustisk avbildning på detta sätt kan forskare få en extremt detaljerad bild av cellstrukturer och vävnadsinteraktioner på en nivå som tidigare inte varit möjligt.

Det är också värt att notera att möjligheten att genomföra både opto-akustisk och fluorescensmikroskopi på makroskopisk nivå är en viktig utveckling, även om denna teknik fortfarande har sina begränsningar. Samtidig användning av hemisfäriska ultraljudstransduktorer och CCD-kameror gör det möjligt att avbilda större vävnadsområden, men bildkvaliteten kan ibland vara komprometterad av det begränsade antalet tomografiska projektioner. Trots detta erbjuder denna metod stora fördelar vid undersökningar av större biologiska strukturer och kan bidra till förståelsen av sjukdomsförlopp på makroskopisk skala.

Det är avgörande att förstå att dessa avancerade teknologier inte bara handlar om att få skarpare bilder. De möjliggör en djupare och mer dynamisk förståelse av biologiska processer på cellulär och vävnadsnivå. För forskare innebär detta ett kraftfullt verktyg för att undersöka vävnadsinteraktioner, sjukdomsförlopp och behandlingseffekter i realtid, utan att behöva ta till invasiva metoder. Den sammansatta användningen av flera bildmodi ger en mer komplett bild av biologiska fenomen, vilket är nödvändigt för att förstå komplexa sjukdomar som cancer, kardiovaskulära sjukdomar och neurodegenerativa tillstånd.

I framtiden kommer dessa system förmodligen att spela en central roll inom både diagnostik och terapeutisk övervakning, med potential att förändra hur vi övervakar och behandlar sjukdomar på både mikroskopisk och makroskopisk nivå. Forskning inom detta område pågår intensivt, och teknologierna utvecklas ständigt för att möjliggöra ännu mer detaljerad och mångsidig visualisering av biologiska prover. Den fulla potentialen av dessa system har ännu inte realiserats, men vi kan förvänta oss att de kommer att revolutionera den medicinska och biologiska forskningen under de kommande åren.

Hur kan fotoakustisk spektrumanalys förbättra diagnosen av mjukvävnadssjukdomar?

Fotoakustisk spektrumanalys (PASA) har blivit ett av de mest lovande verktygen för icke-invasiv diagnos av sjukdomar, särskilt cancer, på grund av dess förmåga att extrahera kvantitativ fysikokemisk information från biologisk vävnad. Genom att kombinera optisk excitation och ultraljud kan PASA ge detaljerad information om både molekylära och mikros strukturella förändringar i vävnader, vilket gör den användbar för att tidigt upptäcka och klassificera sjukdomar. En av PASAs främsta fördelar är att den använder icke-joniserande ljus för att excitera vävnader, vilket gör metoden säker jämfört med andra diagnostiska tekniker som använder joniserande strålning, som PET-skanning.

Utvecklingen av tekniken har möjliggjort tillämpningar som tidigare inte var möjliga, särskilt när det gäller tumördetektion och bedömning av tumörens mikromiljö. Tumörer förändrar ofta sina kemiska komponenter och mikros strukturer under utvecklingen. Exempelvis kan förändringar i kollageninnehåll eller lipidnivåer vara tidiga tecken på malignitet. Genom att analysera dessa förändringar kan PASA hjälpa till att identifiera och gradera tumörer, vilket är avgörande för att planera rätt behandling.

PASA tillhandahåller inte bara information om den optiska absorptionen av vävnader, utan även om deras mikros strukturella egenskaper genom det ultraljudsspektrum som samlas in. Detta ger en mer omfattande bild av vävnadens tillstånd än traditionella bildtekniker. I samband med det kan denna teknik avslöja information om hur vävnadens mikrostruktur förändras med sjukdomsutveckling, vilket gör det möjligt att upptäcka sjukdomar i ett tidigt skede och på så sätt förbättra prognosen.

En annan viktig fördel med PASA är dess kapacitet att tillhandahålla detaljerad molekylär information som kan användas för att skilja mellan friska och sjuka vävnader. Till exempel kan nivån av hemoglobin och lipider ge information om syretillförsel och inflammationsnivåer i en vävnad, vilket är kritiskt för att förstå sjukdomsutveckling, särskilt i cancer.

För att ytterligare förbättra diagnostiken och tolkningen av PASA-data, har forskare börjat implementera maskininlärningstekniker som kan hjälpa till att extrahera och analysera data. Genom att använda dessa tekniker kan forskare och kliniker snabbare och mer exakt identifiera sjukdomar och deras stadium, vilket är avgörande för att fastställa rätt behandling. De maskininlärda modellerna kan till exempel hjälpa till att identifiera specifika mönster i vävnadens spektrala data som inte lätt kan upptäckas av en mänsklig observatör.

Trots alla fördelar och framsteg har PASA-tekniken fortfarande några utmaningar, särskilt när det gäller att optimera den för kliniska tillämpningar. En av de största utmaningarna är att hantera den lilla storleken på kliniska prover, vilket gör det svårt att få tillräcklig mängd data för att dra slutsatser om sjukdomens natur. Forskningsarbetet pågår för att förbättra systemets känslighet och noggrannhet, så att det kan användas i en klinisk miljö för att förbättra tidig diagnos och behandlingsuppföljning.

En annan aspekt som är viktig att förstå är att PASA inte är en fristående teknik. Istället bör den ses som ett komplement till andra diagnostiska metoder. Kombinationen av fotoakustisk spektrumanalys med andra tekniker som bildbehandling och traditionell vävnadsprovtagning kan ge ett mer komplett och exakt diagnostiskt verktyg. Detta innebär att PASA kan spela en viktig roll i att minska osäkerheten i diagnosen och ge en bättre grund för att fatta behandlingsbeslut.

I takt med att PASA-tekniken utvecklas kommer den att bli allt mer tillgänglig för klinisk användning. Framtida forskningsinsatser syftar till att öka dess tillförlitlighet, förbättra bildkvaliteten och optimera den för snabbare och mer exakt diagnostik. Det är möjligt att denna teknik kommer att bli ett viktigt verktyg för att hantera komplexa sjukdomar som cancer, genom att erbjuda icke-invasiva, snabba och precisa diagnosmetoder.

Hur PA-teknologi kan revolutionera diagnostik och behandling av benskörhet och benvävnadens hälsa

Funktionell fotoakustisk bildbehandling (PAI) har blivit ett lovande verktyg för att utvärdera benvävnadens mikrostruktur och metaboliska funktion i realtid. Genom att kombinera fotoakustiska signaler med ultraljudsteknik har forskare utvecklat nya metoder för att effektivt analysera och övervaka förändringar i benvävnad, vilket är särskilt relevant för sjukdomar som benskörhet. Denna teknik ger inte bara en bild av benets mikroskopiska struktur, utan ger också insikter i dess kemiska sammansättning och metaboliska funktioner, allt utan att kräva strålning eller joniserande metoder.

En av de största fördelarna med PA-teknologi är dess förmåga att erbjuda simultan information om histomorfologi och metaboliska funktioner hos benvävnad, vilket gör det möjligt att upptäcka förändringar i både den kemiska sammansättningen och mikrostrukturen på ett icke-invasivt sätt. Detta är av särskild betydelse vid diagnos och behandling av degenerativa och metaboliska benproblem, som till exempel benskörhet. Den kliniska användningen av PA-bildteknologi har visat sig vara mycket lovande, särskilt för att detektera förändringar i benvävnadens mineralinnehåll, blodflöde, fettinnehåll och syresättningsnivåer, vilket ger en mer heltäckande bild av benhälsan.

Traditionellt har metoder som använder PA-spektroskopi lidit av problem relaterade till ljusets spridning och dämpning när det passerar genom komplexa vävnader som ben. Dessa problem kan leda till att den information som samlas in från PA-mätningar blir förvrängd, vilket minskar noggrannheten och effektiviteten i bedömningarna. Ett centralt problem är det som kallas "spektralfärgning", vilket inträffar när ljusets förmåga att tränga igenom benvävnad varierar beroende på våglängden. Detta fenomen kan allvarligt påverka kvaliteten på den spektrala informationen och göra det svårt att extrahera exakt data om benets sammansättning och struktur.

Forskare har dock utvecklat metoder för att lösa detta problem genom att använda adaptiva tekniker för PA-spektroskopi. Dessa metoder gör det möjligt att extrahera den specifika informationen om ljusabsorption i benvävnad utan att förlita sig på förhandskännedom om ljusets dämpningsegenskaper. Genom att analysera hur PA-signaler förändras över tid kan forskare nu mer exakt bestämma benvävnadens optiska absorption och på så sätt få en mer exakt bild av de molekylära förändringarna som sker i benvävnaden. Denna metod, som bygger på Mie-spridningsteori, har visat sig vara särskilt effektiv när det gäller att övervinna problem med spektralfärgning och kan ge en mer pålitlig och noggrann bild av benhälsan.

En annan viktig aspekt av PA-teknologins framsteg är dess förmåga att arbeta i realtid. Genom att kombinera PA-bildbehandling med ultraljud kan forskare inte bara skapa detaljerade bilder av benvävnaden, utan också mäta de dynamiska förändringarna i vävnaden när den utsätts för olika fysiologiska belastningar. Detta gör att PA-teknologin har stor potential för att övervaka benhälsa under behandlingsförlopp, vilket gör den användbar för både diagnostik och långsiktig uppföljning av benrelaterade sjukdomar.

Den kliniska användningen av PA-teknologi för benbedömning är fortfarande under utveckling, men den har redan visat sig vara en lovande metod för att identifiera benskörhet och andra benrelaterade sjukdomar på ett tidigt stadium. Eftersom tekniken inte kräver några invasiva ingrepp eller strålningsbaserade metoder, kan den ge en säker och effektiv alternativ för diagnos och uppföljning. Dessutom gör den höga upplösningen och förmågan att detektera både mikrostrukturella och kemiska förändringar i benvävnad PA-teknologin särskilt användbar för att upptäcka tidiga förändringar som annars kan vara svåra att identifiera med traditionella metoder.

Trots dessa framsteg finns det fortfarande utmaningar kvar för att fullt ut implementera PA-bildteknologi i klinisk praxis. De komplexa fysikaliska egenskaperna hos benvävnad, såsom dess starka spridning och dämpning av ljus och ultraljud, gör det svårt att exakt mäta förändringar i benstruktur och metabolism. För att övervinna dessa hinder krävs ytterligare forskning för att förbättra PA-teknologins känslighet och noggrannhet. En möjlig lösning på detta problem är att kombinera PA-teknik med andra bildbehandlingstekniker, såsom ultraljud eller magnetresonansavbildning (MRI), för att ytterligare förbättra den diagnostiska kapaciteten och ge en mer komplett bild av benhälsan.

Utvecklingen av PA-bildteknologi för benbedömning och dess kliniska tillämpning är fortfarande på en relativt tidig nivå, men de framsteg som gjorts pekar på en framtid där denna metod kan spela en central roll i diagnostik och behandling av benskörhet och andra benrelaterade sjukdomar. Vidare forskning och teknologisk utveckling är nödvändiga för att lösa de återstående problemen med ljuspropagation och bildkvalitet, men potentialen för PA-teknologin att förändra hur vi övervakar och behandlar benhälsa är mycket lovande.

Hur kan fotoakustisk avbildning (PAI) förbättra bröstcancerdiagnostik?

Fotoakustisk avbildning (PAI) har visat sig vara ett lovande verktyg inom bröstcancerdiagnostik. Genom att kombinera ultraljud och optiska laserpulser kan denna teknik ge detaljerade bilder av både strukturella och funktionella aspekter av bröstvävnad. I den här tekniken utnyttjas laserljus som absorberas av vävnader och omvandlas till akustiska signaler. Dessa signaler fångas sedan av ultraljudssensorer för att skapa högupplösta bilder som kan avslöja viktiga förändringar i vävnaden, såsom angiogenes och syresättning, vilket är avgörande för att identifiera maligna tumörer.

PAI-system kan konfigureras för att fungera både i liggande och stående positioner. Den liggande positionen, där patienten undersöks i en horisontell ställning, används ofta i handhållna PAI-system som Imagio och MSOT. Dessa system har visat sig kunna ge tillförlitliga bilder av bröstvävnaden i 2D, med funktionella kartor för hemoglobin och syresättning. Den handhållna designen ger enkelhet och bekvämlighet i klinisk användning, även om den inte kan leverera tredimensionell information om bröstets struktur.

I kontrast till detta erbjuder PAI-system i stående position, som DSM (dual-scan mammoscope), fördelar när det gäller att skapa volymiska bilder av bröstet. Genom att använda mild kompression kan dessa system fånga djupare strukturer av bröstvävnaden, vilket gör det möjligt att visualisera tumörer som annars skulle vara svåra att upptäcka. DSM-systemet använder två linjära array-sensorer för att uppnå en detaljerad avbildning av bröstets vaskulära strukturer i en stående position, vilket resulterar i bilder med en djupgående upplösning på upp till 7 cm.

En viktig funktion för PAI vid bröstcanceridentifiering är dess förmåga att visualisera tumörens vaskulära egenskaper. Bröstcancertumörer är ofta förknippade med högre densitet av blodkärl, ett resultat av angiogenes, där nya blodkärl växer för att tillhandahålla näring till tumören. Dessa blodkärl har specifika mönster, såsom större antal grenar och en centripetal (inåtgående) fördelning runt tumören. Genom att analysera dessa vaskulära mönster kan PAI hjälpa till att identifiera maligna områden. Vidare har forskningen visat att områden med tumörer ofta har en förändrad syresättning – ett kännetecken för vävnader med otillräcklig blodtillförsel, vilket kan ge ytterligare information om tumörens karaktär.

PAI-system som använder två olika ljusvåglängder (t.ex. 757 och 1064 nm) är särskilt användbara för att analysera syresättningen i tumörvävnad. Genom att använda dessa två våglängder kan systemet upptäcka både syrerikt (grönt) och syrefattigt (rött) blod, vilket ger viktig funktionell information om tumörens biologiska tillstånd. Också PA-elastografi, som kan mäta vävnadens rörelse och dess styvhet, har visat sig ge användbar information om tumörens natur, eftersom maligna tumörer ofta har en annan elastisk respons än frisk vävnad.

Det är också värt att notera att PAI-system, trots sina fördelar, har vissa begränsningar. Eftersom tekniken i många system är beroende av operatörens skicklighet, kan precisionen och tillförlitligheten i de erhållna bilderna variera. Dessutom är de flesta system som används för bröstavbildning i två dimensioner, vilket gör att de inte kan ge en fullständig tredimensionell bild av bröstet. Detta kan i viss mån åtgärdas genom avancerade tekniker som djupinlärning, som kan förbättra bildkvaliteten och öka noggrannheten i diagnoser.

För att PAI ska bli en ännu mer användbar metod i klinisk praxis krävs fortsatt forskning och utveckling för att förbättra systemens prestanda, såsom att möjliggöra djupare vävnadsavbildning och möjliggöra användning av fler våglängder för att ge mer omfattande funktionell information. Detta skulle ge läkare ett mer detaljerat verktyg för att förstå cancerens biologiska beteende och kunna fatta mer informerade beslut om behandlingsalternativ.

Hur kan vi förbättra kvantitativ fotoakustisk tomografi med avancerade algoritmer och maskininlärning?

Kvantitativ fotoakustisk tomografi (PAT) är en teknik som kombinerar fördelarna med fotoakustik och medicinsk bildbehandling för att ge insikter om både den optiska absorptionen och ljudhastigheten i vävnader. För att uppnå noggranna och tillförlitliga bilder krävs avancerade algoritmer för att rekonstruera de underliggande vävnadsparametrarna från de mätdata som samlas in. Eftersom tekniken är känslig för olika faktorer såsom optiska egenskaper, ljudhastigheter och bildens upplösning, har utvecklingen av metoder för att förbättra bildkvaliteten och beräkningshastigheten varit ett aktivt forskningsområde.

Flera metoder har föreslagits för att ta itu med dessa problem. Till exempel, metoder som använder komprimerad avbildning och sparsitet, såsom de som beskrivs av Haltmeier et al. (2016), har visat sig vara effektiva i att minska antalet mätpunkter som krävs för att rekonstruera bilder samtidigt som den diagnostiska kvaliteten bibehålls. Dessa metoder använder sig av egenskaper som att många bilddata är sparsamma i ett visst baserum, vilket möjliggör att rekonstruera bilder från färre mätpunkter.

En annan viktig aspekt är användningen av maskininlärning i fotoakustisk tomografi. Djupa neurala nätverk och maskininlärning har blivit centrala verktyg för att förbättra bildrekonstruktionen och hastigheten. Gröhl et al. (2021) föreslog en metod för att dekolorera spektrala bilder genom att använda inlärda modeller, vilket visade på en potentiell förbättring i att mäta vävnadens syresättning. Vidare har Hauptmann et al. (2020) visat på hur deep learning kan påskynda fotoakustisk rekonstruktion genom att kombinera modellbaserade och lärande metoder.

För att ta hänsyn till variationer i vävnadens akustiska egenskaper och optiska absorption har forskare som Gao et al. (2015) och Hänninen et al. (2020) utforskat nya metoder för att rekonstruera både ljudhastighet och optiska koefficienter samtidigt. Detta innebär att både akustiska och optiska data används för att bättre återskapa vävnadens komplexa egenskaper, vilket leder till en mer exakt bild av den biologiska strukturen.

Den statistiska metoden är också en viktig komponent för att hantera osäkerheter och variabilitet i data. Genom att använda Monte Carlo-simuleringar och adjungerade metoder, som de som föreslås av Hochuli et al. (2016), kan man uppskatta optiska egenskaper med högre precision, vilket minskar fel som uppstår från ofullständiga data.

Vidare finns det behov av att optimera rekonstruktionsteknikerna för att hantera begränsade visningsvinklar, ett problem som ofta förekommer i klinisk praktik. Denna problematik är särskilt relevant för patienter som inte kan genomgå den traditionella tomografiska processen på grund av exempelvis rörelse eller anatomiska begränsningar. Här kan tillämpningen av "limited-view" metoder som Gao et al. (2015) och Hauptmann et al. (2018) ge betydande förbättringar genom att effektivt rekonstruera bilder även när alla data inte är tillgängliga.

En annan viktig aspekt är hur dessa tekniker kan användas för att detektera och följa sjukdomar i ett tidigt skede. Fotoakustisk tomografi kan användas för att mäta blodsyresättning och hemoglobin-koncentrationer i vävnader, vilket är relevant vid cancerdiagnostik, vävnadsregenerering och övervakning av vaskulära sjukdomar. Forskning som Li et al. (2018) belyser hur PAT kan användas för att detektera förändringar i blodsyresättningen och därigenom ge information om tumörernas syresättning, vilket kan vara avgörande för att anpassa behandlingsstrategier.

Förutom dessa tekniska aspekter är det också viktigt att förstå begränsningarna hos fotoakustisk tomografi. Metodens prestanda påverkas starkt av vävnadens egenskaper som ljusspridning och ljudhastighet. Dessutom är det viktigt att ha en klar förståelse för hur detektionssystemen påverkar de uppmätta signalerna och hur olika rekonstruktionsmetoder påverkar slutresultatet. Dessa faktorer innebär att noggrant val av algoritm och modellering av vävnadens fysiologiska egenskaper är avgörande för att optimera rekonstruktionen och ge ett pålitligt kliniskt resultat.